Seldon Vault a transformé la psychohistoire d'Asimov en un service multi-agents de prévisions par AI

Seldon Vault — un service multi-agent gratuit qui publie des prévisions d'événements mondiaux quotidiennement puis vérifie la précision avec laquelle elles se sont avérées. Le projet s'inspire de la psychohistoire de "Fondation" d'Isaac Asimov, mais est construit à partir de composants tout à fait réels : LLM, flux d'actualités, mises à jour bayésiennes et ensembles de données ouvertes.

Comment fonctionne Seldon Vault

Le service fonctionne non comme un seul "oracle", mais comme un petit bureau analytique. D'abord, il collecte des signaux de sources ouvertes, puis un processeur séparé filtre le bruit et décide ce qui compte comme une actualité urgente par rapport à une tendance structurelle à long terme. À ce premier stade, un modèle moins coûteux est utilisé pour que les ressources ne soient pas gaspillées sur tout indistinctement et que le flux d'hypothèses sans sens n'enfle. Un tel filtre est nécessaire pour que les actualités fraîches ne reçoivent pas le même poids qu'un semis aléatoire.

• médias mondiaux, Reddit, Telegram et Bluesky
• marchés de prédiction Polymarket et Metaculus
• données macroéconomiques de FRED et indice Fear & Greed
• bases de données de conflits, catastrophes et événements géopolitiques

Après filtrage, les signaux vont directement à sept analystes : l'un examine la géopolitique, un autre l'économie, un troisième la technologie, puis rejoignent la sociologie, le climat, l'analyse militaire et la cybersécurité. Ils interprètent la même histoire d'actualité différemment et proposent ensuite leurs prévisions avec des probabilités. Un arbitre final collecte les conclusions top-5 de cet ensemble et publie des cartes de prévision bilingues avec des estimations de probabilité allant de 5 % à 95 %.

Sceptique, Cascades et Métriques

La partie la plus intéressante de l'architecture est un agent sceptique séparé. Sa tâche n'est pas d'aider les analystes mais de casser leurs conclusions : trouver des contre-exemples, vérifier les faits par une recherche externe et identifier les faiblesses du raisonnement. Dans l'article, l'auteur appelle cela le doute institutionnalisé — l'idée qu'il est plus utile pour un système de d'abord se prouver tort que de déclarer prématurément qu'il a raison. Effectivement, c'est un mécanisme d'autocritique intégré qui coupe l'analyse belle mais faible avant qu'elle n'atteigne le flux final.

L'analyste doit chercher des raisons pour lesquelles il a tort avant

de rapporter à la direction qu'il a raison.

Une autre idée dans Seldon Vault est celle des récits en cascade. Si le système voit plusieurs prévisions connexes, il construit une chaîne de cause à effet : par exemple, de nouvelles sanctions à l'exportation pourraient entraîner une pénurie de puces, des retards de production et un refroidissement des marchés adjacents. Lorsque le premier événement dans une telle chaîne se concrétise, les probabilités du reste sont automatiquement recalculées. Pour éviter qu'un déclencheur ne déstabilise l'ensemble du modèle, l'influence diminue à chaque étape et est limitée à quelques niveaux de profondeur.

Les prévisions qui survivent à cette vérification ne sont pas gelées pour toujours. Tous les six heures, le service exécute un nouveau cycle, réexamine les probabilités en utilisant la logique bayésienne et limite les changements quotidiens pour ne pas réagir hystériquement à chaque gros titre. En parallèle, le système calcule Brier Score — une métrique de base pour la précision des prévisions probabilistes — et accumule les statistiques pour chaque agent. Ce retour revient aux prompts afin que les modèles calibrent mieux la confiance au fil du temps.

Où le Système Trébuche

L'auteur du projet écrit directement qu'il y a de nombreux points faibles. Le premier problème est les hallucinations de LLM : le modèle peut citer avec assurance un événement qui n'a jamais eu lieu, et si la recherche externe ne détecte pas l'erreur, elle se retrouve dans la prévision finale. Le deuxième est l'habitude des modèles et des gens de dériver vers la zone de sécurité de 45–55 %. Formellement, c'est propre, mais en pratique trop de "50 %" transforment les prévisions en une façon polie de dire "je ne sais pas".

Il y a aussi des limitations plus fondamentales. Les cygnes noirs sont par définition mal adaptés aux prédictions fondées sur des modèles historiques, et les actualités de Reddit ou Telegram montrent non pas la réalité elle-même mais la version déjà filtrée de quelqu'un de ce qui se passe. Donc même un ensemble riche de sources ne garantit pas l'objectivité. L'auteur lui-même admet honnêtement : le service vient d'être lancé, et ce n'est qu'après plusieurs mois que le Brier Score accumulé montrera si ce schéma peut capturer les tendances mieux que le hasard.

Qu'est-ce que cela signifie

Seldon Vault est intéressant non pas pour la promesse de "prédire l'avenir", mais pour la tentative de transformer les prévisions de LLM en un système vérifiable avec des rôles, un conflit d'opinions et une métrique de qualité. Si une telle approche survit aux premiers mois et maintient une précision adéquate, les équipes analytiques disposeront d'un outil utile pour surveiller les risques et les signaux faibles. Pour le marché, cela importe plus qu'un autre chatbot avec des réponses confiantes mais invérifiables dans l'analyse d'entreprise et les médias.